基于目标关系图的分层部分可观测目标驱动策略学习
计算机视觉与模式识别
2021-03-31 v2 机器人学
摘要
我们提出了一种新颖的双层分层强化学习方法，配备目标关系图（GRG），用于解决部分可观测的目标驱动任务，例如目标驱动的视觉导航。我们的GRG通过Dirichlet-categorical过程捕捉目标空间中所有目标的潜在关系，其有助于：1）高层网络提出朝向指定最终目标的子目标；2）低层网络学习最优策略；以及3）整个系统对未见过的环境和目标进行泛化。我们在两种部分可观测目标驱动任务设置下评估了我们的方法——网格世界域和机器人物体搜索任务。实验结果表明，我们的方法在未见过的环境和新目标上均展现出优越的泛化性能。
引用
@article{arxiv.2103.01350,
title = {Hierarchical and Partially Observable Goal-driven Policy Learning with Goals Relational Graph},
author = {Xin Ye and Yezhou Yang},
journal= {arXiv preprint arXiv:2103.01350},
year = {2021}
}
备注
CVPR2021